多分类metric的macro-averge与micro-average

macro-average是每个类有相同的权重，precision、recall或f1_score，先求和再除以类别的个数。跟样本的个数没有关系。

micro-average：
每个样本有相同的权重。

macro与micro的区别：

1. 如果各个类别的样本个数相差不的话，macro-average与micro-average相差不大
2. 如果不同类型样本个数不均衡时，比如有一个类型的样本数据特别多，占到80%以上。如果更注重这个大类的话用micro-averge。如果注重小类别的话用macro-average。
   

使用方法：

from sklearn.metrics import precision_score, recall_score, f1_score
p = precision_score(y_true, y_pred, averge='macro')
r = recall_score(y_true, y_pred, average='micro')